制造智能技术基础

随着现代制造系统多维度数智化发展趋势日益明朗，大量多源异构数据的积累、先进智能技术的广泛应用，为提升制造效率、生产质量、降低成本提供了技术基础，从而促进了企业数智化转型升级，并成为推动经济社会发展的新引擎。在此背景下，智能技术的应用与发展，成为实现“高质、智能、柔性、绿色”的制造过程的可靠基础。
现如今“智能技术”的定义宽泛，涉及工程学、管理科学、应用数学、计算机科学等多学科基础知识。然而，针对制造智能技术的相关材料、课程、教材书籍是相对缺乏的，对于一个欲详细了解学习制造智能技术相关知识的人而言，难以在短时间搜寻到“及时”且“解渴”的专业书籍。
无论对于工业工程制造、企业运营管理等各行各业的从业人员、专家学者，短时间内快速地了解、掌握智能技术的知识是很困难的。在日常的教学过程中，发现许多学生往往是通过互联网、图书馆查阅资料等方法，搜寻一类可以解决其当下研究主题的智能技术方法，以快速地完成老师授予的科研任务。这样的方式虽然可以高效地解决当下难题，却无法让学生对智能技术有一个系统完整的了解、形成完备的知识体系，对其今后进入工业界或者学界的工作也并无大益。
因此，亟须编撰一册涵盖智能技术应用、实践分析的教材书籍，从实践应用的角度出发，基于在日常科研工作中对智能技术的理解，成体系的归纳、介绍、解析相应的智能技术方法。然而，编撰智能技术的教材书籍难度极大，尤其是试图以某种逻辑结构，容纳多类交叉学科中的优化算法、统计学习、商业智能等多类方法，显现出撰写之难度。此外，欲求读者能更为全面的结合工业制造实践，理解相关智能技术的应用，因此需要结合实际生产活动案例，然而实际应用过程难以深入理论分析。如何结合智能技术的理论分析与智能制造实践过程，亦为撰写本书难点。
基于前期在制造科学、管理科学、信息科学、人工智能、智能决策等诸多领域的研究成果及实践案例，本书针对得到广泛应用的制造智能技术，诸如智能优化、深度学习、模式识别、模糊控制、知识工程、商业智能方法，对方法原理及典型应用案例进行介绍，让读者更好地学习理解制造智能技术理论及应用。
在企业实践中，智能技术可以应用在哪些场景？智能技术可以发掘哪些生产制造管理的契合点？如何更为深入地将不同类型的智能技术应用到具体的业务场景中？上述问题是目前实践应用存在的常见的问题，而本书提供了大量智能技术理论和实践案例，读者可更为轻松的由实践案例入手，掌握相应智能技术方法应用场景，并结合自身的实践经验，更为快捷地将智能技术理论方法与实践的融会贯通。
在学术研究领域，研究人员们经常面临的问题是对于特定场景的应用类研究，如何采用更为高效的算法提升求解效率？如何借助机器学习方法，提升各类商业分析研究过程中需求建模、生产流程集约优化？如何快速了解一类方法的典型应用场景？本书针对上述应用研究类问题，完整地集成多类优化算法、机器学习、商业分析等应用方法、典型应用场景，从而帮助研究人员快速理解掌握制造智能技术。
针对实践及学术研究中存在的对智能技术的应用需求，本书不仅聚焦智能优化算法、模式识别、深度学习等理论方法内容阐释，更多地在不同章节融入典型案例分析，这也是本书的特色。本书的章节布局也凸显了这样的特点，同时搜集了大量的文献、案例资料，便于读者了解智能技术的发展进程和应用场景。
本书可作为机械自动化、工业工程等智能制造相关专业的主干教材，抑或作为计算机科学与技术、各类工程学科的辅修教材。此外，本书也适用于企业技术部门、管理部门相关人员的使用，便于其快速了解智能技术的理论基础知识和典型应用。
本书第1章、第8章由清华大学张智海副教授编写，第2章由北京理工大学李冬妮副教授编写，第3章由北京工业大学苏丽颖副教授编写，第4章由河北工业大学张磊教授编写，第5章由中央民族大学贾旭杰教授编写，第6章由浙江工业大学裴植教授编写，第7章由清华大学谢小磊副教授编写。同时感谢中央民族大学苏宇楠副教授对第5章内容撰写的支持，清华大学张延滋博士对全书内容的整理编辑。
感谢张秋玲编审对智能制造系列教材的发起和推动，感谢清华大学出版社为此系列教材出版所作的重大贡献，感谢刘杨编辑为本书的出版所付出的努力。
鉴于作者对制造智能技术的理解和认识的局限，书中错误在所难免，敬请读者批评指正。

2022年3月

制造智能技术在智能制造中扮演了大脑的角色。本书介绍了智能优化、模式与图像识别、模糊控制、深度学习、智能工程、商业智能等几类典型智能技术的原理方法，并结合具体案例，使学生在掌握典型智能技术基础知识的同时，培养学生对智能制造中与智能技术应用相关的意识、理念和思维方式。本书可用于机械类专业本科生的智能制造专业教材，以及相关专业（如机械、工业工程、自动化、计算机、仪器仪表、管理科学与工程等）的学生选修智能制造课程。

制造智能技术在智能制造中扮演了大脑的角色。本书介绍了智能优化、模式与图像识别、模糊控制、深度学习、智能工程、商业智能等几类典型智能技术的原理方法，并结合具体案例，使学生在掌握典型智能技术基础知识的同时，培养学生对智能制造中与智能技术应用相关的意识、理念和思维方式。本书可用于机械类专业本科生的智能制造专业教材，以及相关专业（如机械、工业工程、自动化、计算机、仪器仪表、管理科学与工程等）的学生选修智能制造课程。

张智海，清华大学工业工程系副教授，博士生导师，智能制造研究中心执行主任。研究兴趣包括智能制造、生产运营管理、资源优化。发表多篇国际期刊学术论文，其中代表性论文发表在生产运营领域旗舰重要期刊，部分工作被相关学术组织选为亮点成果报道和论文。主持参与多项自然科学基金项目、科技部重点研发项目等。现担任四个国际期刊副主编。

第1章  概论

1.1智能技术简介

1.1.1智能技术的定义

1.1.2人工智能的关键技术

1.1.3智能技术的发展历史

1.2智能技术在智能制造中的应用

1.2.1智能制造的特征

1.2.2智能优化算法

1.2.3模式识别

1.2.4模糊控制

1.2.5深度学习

1.2.6知识工程

1.2.7商业智能

1.2.8多种智能技术融合在智能制造中的应用

1.3本章  小结

习题

参考文献

扩展阅读资料

第2章  智能优化技术

2.1智能优化概述

2.1.1优化的意义

2.1.2数学模型及常见优化方法

2.1.3传统优化方法的局限性

2.1.4智能优化方法的发展

2.1.5智能优化方法在制造业的应用

2.2智能优化方法的重要元素

2.2.1智能优化方法的分类

2.2.2贪心算法与启发式规则

2.2.3局部搜索与群体智能

2.2.4元启发式算法与超启发式算法

2.3模拟退火算法

2.3.1热力学中的退火过程

2.3.2模拟退火算法的构造与流程

2.3.3算法参数分析

2.3.4制造业应用案例

2.4遗传算法

2.4.1生物的遗传与变异

2.4.2遗传算法的基本原理与流程

2.4.3算法改进

2.4.4制造业应用案例

2.5蚁群优化算法

2.5.1蚁群觅食特性

2.5.2基本蚁群优化算法

2.5.3改进蚁群优化算法

2.5.4制造业应用案例

2.6粒子群优化算法

2.6.1粒子群优化的基本原理

2.6.2算法流程与改进

2.6.3制造业应用案例

2.7超启发式算法

2.7.1超启发式算法基本原理

2.7.2选择式超启发算法

2.7.3生成式超启发算法

2.7.4制造业应用案例

2.8本章  小结

习题

参考文献

第3章  模式与图像识别

3.1模式识别的概述

3.1.1发展历史

3.1.2基本概念与原理

3.1.3模式识别系统

3.2模式识别与机器学习

3.2.1统计推断

3.2.2回归模型

3.2.3人工神经网络

3.2.4核方法

3.2.5支持向量机

3.2.6聚类

3.2.7贝叶斯分类器

3.2.8合并分类器(集成学习)

3.3图像识别的基本概念与原理

3.3.1图像识别的概念及发展历史

3.3.2图像识别技术原理

3.3.3图像识别过程

3.4图像处理技术

3.4.1图像预处理

3.4.2图像分割

3.4.3形状表示与描述

3.4.4图像识别

3.4.5图像理解

3.4.6数学形态学

3.4.7图像数据压缩

3.5模式与图像识别技术在智能制造中的应用

3.5.1工业应用条件

3.5.2案例

3.6模式与图像识别技术的发展

3.7本章  小结

习题

参考文献

第4章  模糊控制

4.1模糊控制概述

4.1.1模糊控制的发展

4.1.2经典集合论与模糊集合论

4.1.3模糊控制的特点及其应用领域

4.2模糊控制算法

4.2.1模糊控制算法设计

4.2.2模糊规则与模糊推理

4.2.3模糊化方法与去(解)模糊化方法

4.3模糊控制器

4.3.1模糊控制器设计步骤

4.3.2模糊控制器的结构

4.4模糊控制仿真应用实例

4.4.1MATLAB与Simulink

4.4.2模糊控制与传统PID的结合

4.4.3小费问题

4.5本章  小结

习题

参考文献

第5章  深度学习

5.1深度学习概述

5.1.1人工智能简介

5.1.2深度学习简介

5.2深度学习理论基础

5.2.1线性代数

5.2.2概率论与信息论

5.2.3正则化

5.3神经网络基础

5.3.1感知器与异或学习

5.3.2前馈神经网络

5.3.3神经网络训练

5.4卷积神经网络

5.4.1基本概念与相关知识

5.4.2卷积及其核心概念

5.4.3池化

5.4.4图像处理案例

5.5循环神经网络

5.5.1序列数据简介

5.5.2循环神经网络理论

5.5.3梯度计算

5.5.4长短期记忆网络

5.5.5文本学习案例

5.6本章  小结

习题

参考文献

第6章  知识工程

6.1知识工程概述

6.1.1知识工程发展历史

6.1.2知识系统的结构

6.1.3知识工程的核心问题

6.2知识表示

6.2.1知识表达方式分类

6.2.2规则表示

6.2.3语义网表示

6.2.4框架表示法

6.2.5逻辑表示法

6.3知识获取

6.3.1知识获取的来源

6.3.2知识获取方法

6.3.3知识获取的流程

6.3.4知识储存与管理

6.4智能制造中的知识工程

6.4.1数字员工

6.4.2机器人流程自动化技术

6.4.3数字孪生

6.4.4知识工程在航空制造业的应用案例

6.4.5PERA.KE知识工程平台

6.5本章  小结

习题

参考文献

第7章  商业智能

7.1商业智能概述

7.1.1商业智能技术的发展

7.1.2商业智能的基本原理与应用

7.1.3商业智能的主要方法

7.2描述性分析

7.2.1描述性分析的基本概念和原理

7.2.2典型方法

7.2.3案例分析——数字化与描述性分析

7.3预测性分析

7.3.1预测性分析的基本概念和原理

7.3.2典型方法

7.3.3案例分析——美团外卖的用户画像实践

7.4指导性分析

7.4.1指导性分析的基本概念和原理

7.4.2指导性分析的基本流程和典型方法

7.4.3案例分析——指导性分析在多领域中的应用

7.5商业智能在智能制造中的应用

7.5.1智能商业系统与智能制造

7.5.2应用场景分析

7.5.3实施方法

7.5.4案例分析——犀牛智造工厂

7.6本章  小结

习题

参考文献

第8章  总结与展望

8.1总结

8.2展望

拓展阅读资料

制造智能技术在智能制造中扮演了大脑的角色。本书介绍了智能优化、模式与图像识别、模糊控制、深度学习、智能工程、商业智能等几类典型智能技术的原理方法，并结合具体案例，使学生在掌握典型智能技术基础知识的同时，培养学生对智能制造中与智能技术应用相关的意识、理念和思维方式。本书可用于机械类专业本科生的智能制造专业教材，以及相关专业（如机械、工业工程、自动化、计算机、仪器仪表、管理科学与工程等）的学生选修智能制造课程。

张智海，清华大学工业工程系副教授，博士生导师，智能制造研究中心执行主任。研究兴趣包括智能制造、生产运营管理、资源优化。发表多篇国际期刊学术论文，其中代表性论文发表在生产运营领域旗舰重要期刊，部分工作被相关学术组织选为亮点成果报道和论文。主持参与多项自然科学基金项目、科技部重点研发项目等。现担任四个国际期刊副主编。